REPORT 4

Metodologia

IDENTIFICAÇÃO

e-mail Telefone Curso

RA NOME

180834 Murilo Milano Lochter murilomilanolochter@hotmail.com +55 15 99836- Produção

3468

180868 Raimundo Soares da raimundosoares007@gmail.com +55 15 99712- Produção

Silva Junior 3918

180996 Renan Matheus da pontezrenan@gmail.com +55 15 Produção

Silva Pontes 997933013

TÍTULO:MODELAGEM E SIMULAÇÃO UTILIZANDO O SOFTWARE FLEXSIM:

OTIMIZAÇÃO DE CÉLULA DE MANUFATURA EM EMPRESA SOROCABANA

LÍDER DO GRUPO: Renan Matheus da Silva Pontes

ORIENTADOR: Rodrigo Luiz Gigante

Data da Entrega: 31/05/2022

____________________________
Visto do Orientador
 COORDENADORIA DE ENGENHARIA DE PRODUÇÃO

Murilo Milano Lochter

Raimundo Soares da Silva Junior

Renan Matheus da Silva Pontes

TÍTULO DO TRABALHO: MODELAGEM E SIMULAÇÃO UTILIZANDO

O SOFTWARE FLEXSIM: OTIMIZAÇÃO DE CÉLULA DE
MANUFATURA EM EMPRESA SOROCABANA

Sorocaba/SP
2022
 Murilo Milano Lochter
Raimundo Soares da Silva Junior
Renan Matheus da Silva Pontes

TÍTULO DO TRABALHO: MODELAGEM E SIMULAÇÃO UTILIZANDO

O SOFTWARE FLEXSIM: OTIMIZAÇÃO DE CÉLULA DE
MANUFATURA EM EMPRESA SOROCABANA

Trabalho de Conclusão de Curso

apresentado à Faculdade de Engenharia
de Sorocaba, como exigência parcial para
obtenção do diploma de graduação em
Engenharia de Produção.

Orientador: Prof. Me Rodrigo Luiz Gigante

Sorocaba/SP
2022
 FICHA CATALOGRÁFICA

ELABORADA PELA “BIBLIOTECA FACENS”

SXXXs
Sobrenome, Nome do Aluno 1; Sobrenome, Nome do Aluno 2; Sobrenome,
Nome do Aluno 3; Sobrenome, Nome do Aluno 3.
Título do trabalho: subtítulo se houver/ por Nome do Aluno et al. –
Sorocaba, SP: [s.n.], 2017.
XXf.; 29cm.

Trabalho de Conclusão de Curso (Graduação) – Faculdade de

Engenharia de Sorocaba, Coordenadoria de Engenharia de Produção –
Curso de Engenharia de Produção, 2016.
Orientador: Prof. Me. Paulo Roberto Teixeira Junior

Palavra-chave. 2. Palavra-chave. 3. Palavra-chave. I. Faculdade de

Engenharia de Sorocaba. II. Título.

CDD XXX
 Murilo Milano Lochter
Raimundo Soares da Silva Junior
Renan Matheus da Silva Pontes

TÍTULO DO TRABALHO: MODELAGEM E SIMULAÇÃO UTILIZANDO

O SOFTWARE FLEXSIM: OTIMIZAÇÃO DE CÉLULA DE
MANUFATURA EM EMPRESA SOROCABANA

Trabalho de Conclusão de Curso

apresentado à Faculdade de Engenharia
de Sorocaba, como exigência parcial para
obtenção do diploma de graduação em
Engenharia de Produção.

Sorocaba, XX de XXXXXXXXXX de 2021.

Banca examinadora

_____________________________________________________
Prof. Esp/Me/Dr e Nome

_____________________________________________________
Prof. Esp/Me/Dr e Nome

_____________________________________________________
Prof. Esp/Me/Dr e Nome
AGRADECIMENTOS
O trabalho deve conter um único Agradecimento, mesmo para os trabalhos em
grupo. O Agradecimento deve ser feito aos envolvidos que contribuíram diretamente
para o desenvolvimento do trabalho. Algo diferente disso deve ser feito
anteriormente na Dedicatória.
O AGRADECIMENTO não é um item obrigatório do TCC, mas é a oportunidade
de agradecer os envolvidos que diretamente contribuíram com o desenvolvimento do
trabalho.
Usar fonte Arial 12 em letras minúsculas, o texto deve ser justificado e com
espaçamento 1,5 cm entre linhas.
Se recebeu ajuda de alguma agência fomentadora (financiamento) de pesquisa, ex.:
Fapesp, CNPQ, CAPES, é indispensável mencionar o apoio.

Nome do aluno, caso o agradecimento tenha sido individual

Epígrafe (opcional)
Texto em que o autor apresenta uma citação, seguida de indicação
de autoria, relacionada com a matéria tratada no corpo do trabalho
Deve estar na parte inferior da
folha
Parágrafo: Recuo de 8 cm da margem esquerda

“Feliz é aquele que transfere o que sabe e

aprende o que ensina.”
Cora Coralina
 LISTA DE FIGURAS

FIGURA 1. Layout da célula do portador

FIGURA 2. Validação dos dados

FIGURA 3. Título da figura

FIGURA 4. Título da figura

FIGURA 5. Título da figura

FIGURA 6. Título da figura

FIGURA 7. Título da figura

FIGURA 8. Título da figura

 LISTA DE TABELAS

TABELA 1. Tempos padrões de operações da célula

TABELA 2. Média dos tempos padrões das atividades periódicas

TABELA 3. Modelo conceitual da simulação

TABELA 4. Título da tabela

TABELA 5. Título da tabela

TABELA 6. Título da tabela

TABELA 7. Título da tabela

TABELA 8. Título da tabela

 LISTA DE QUADROS

QUADRO 1. Título do quadro

QUADRO 2. Título do quadro

QUADRO 3. Título do quadro

QUADRO 4. Título do quadro

QUADRO 5. Título do quadro

QUADRO 6. Título do quadro

QUADRO 7. Título do quadro

QUADRO 8. Título do quadro

LISTA DE SIGLAS E ABREVIATURAS

IES Instituição de Ensino Superior

ABNT Associação Brasileira de Normas Técnicas

IBGE Instituto Brasileiro de Geografia e Estatística

FACENS Faculdade de Engenharia de Sorocaba

XXXX

XXXXXX

XXXXX

XXXXXX

SUMÁRIO
1 INTRODUÇÃO 7
2 REVISÃO DE LITERATURA 13
2.1 Sub-item 13
2.2 Sub-item 16
3 MÉTODO 19
3.1 Sub-item 19
3.2 Sub-item 20
3.2 Sub-item 20
4 RESULTADOS 22
4.1 Sub-item 19
4.2 Sub-item 20
4.2 Sub-item 20
5 CONCLUSÃO 25
6 REFERÊNCIAS 29
ANEXOS 31

RESUMO
 .A utilização das células de manufatura para produzir em larga escala e com
grande diversidade de produtos é uma das melhores formas de atender a demanda
que exige flexibilidade e alta produção ao mesmo tempo. Entretanto, um dos
maiores desafios de se produzir em layout celular é o balanceamento de MOD(mão
de obra direta) e capacidade instalada. Sendo assim, o seguinte trabalho tem como
objetivo otimizar uma célula de manufatura de uma empresa multinacional
fornecedora de sistemas de transmissão aqui em Sorocaba. Para isso será utilizado
técnicas de simulação e modelagem de processos para definir o melhor cenário de
fabricação.

Palavras-Chave: Simulação; Manufatura; Balanceamento.

ABSTRACT

Xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx.

Key-words: Word 1. Word 2. Word 3.

1 INTRODUÇÃO

O intuito deste trabalho é discutir e implementar possíveis melhorias em uma

célula de manufatura composta por máquinas de usinagem de uma empresa
fabricante de componentes automotivos na região de Sorocaba utilizando a
modelagem de sistemas e simulação de modo que a produtividade e o investimento
sejam maximizados e minimizados, respectivamente, sem a necessidade de
ocasionar paradas na produção para realizar testes.

A modelagem e simulação é um tema muito importante na indústria como um

todo, pois, a simulação permite que gestores e tomadores de decisão tenham uma
capacidade de visão facilitada do crescimento esperado. Assim, caso alguma
inconformidade seja identificada na avaliação de risco, é possível sua correção,
evitando custo extra associado, impactando menos no financeiro da empresa (Viotto,
2020). Será com este método de trabalho que o estudo a seguir será conduzido
visando o objetivo de ser o mais eficaz possível. Desta forma podemos otimizar uma
célula de usinagem previamente, por exemplo, sem a necessidade de investimentos
com layout, mas com assertividade e embasamento estatístico.

Utilizaremos os softwares Flexsim e Minitab para realizar o teste de hipóteses

bilateral, uma inferência estatística usada para comparar duas médias, sendo, no
caso deste trabalho, uma média hipotética resultada e outra real e validar o sistema
de modelagem além de realizar o balanceamento de operadores e capacidade
instalada das máquinas de modo com que a implementação dos novos processos
possam atingir maiores lucros com menos mão de obra direta (MOD) e
investimentos.

Neste trabalho não iremos utilizar modificações de layout, ou de fluxo de

peças e programações de logística. Visamos balancear a quantidade de Mão de
obra direta, balancear a célula de usinagem e averiguar os resultados obtidos para
definir quais das melhorias, que poderiam ser implementadas no processo, será a
mais econômica, demandará menor esforço e será mais eficaz para atendermos um
aumento de demanda de 23% na produção de portadores planetários em 2023.

Os métodos que serão usados neste trabalho, e que suas respectivas teorias
estão contempladas no capítulo 2, são: Cronoanálise, para coletar os dados de
movimentação manual com maior precisão, Teste de hipóteses para comparação de
média simulada versus real e validação do modelo de simulação, teste de
normalidade para avaliar a distribuição estatística de uma amostra real e análise e
eliminação de outlier para aumentar a confiabilidade dos dados.

O seguinte trabalho se divide da seguinte forma: após a introdução, no

Capítulo 2, apresentaremos todo o embasamento teórico, referências importantes,
pesquisas e artigos de cunho explicativo que servem para garantir a confiabilidade
do nosso estudo aos possíveis leitores, além de garantir e avaliar futuramente a
eficácia de cada ferramenta através da comparação entre teoria e prática. Já no
Capítulo 3 serão apresentadas as implementações das ferramentas, coleta e
tratamento dos dados, antes e após a simulação computacional, comparação dos
dados de entrada e saída, verificação e, também, a validação do sistema de
simulação como um todo. O capítulo 4 contempla toda a avaliação dos resultados
estatísticos obtidos através de replicações múltiplas de cada simulação, além da
utilização do utilitário estatístico do Flexsim, o Experimenter, que será utilizado para
criarmos alguns possíveis cenários com diferentes variáveis e compará-los. Já no
Capítulo 5, será apresentada a conclusão do trabalho, utilizando como métrica de
avaliação a seguinte prioridade para os cenários, da maior para a menor,
respectivamente, o mais econômico, o mais eficaz no sentido de atender a demanda
com sobra de capacidade e com maior mão de obra balanceada. No capítulo 6 ficam
considerações finais e possíveis oportunidades de continuidade e desenvolvimento
para este trabalho.

2 REVISÃO DE LITERATURA.
Manufatura;

Processos produtivos;

Processos Industriais;

Máquinas

Usinagem

MACHADO(2015)Usinagem trata-se de um processo bastante imprevisível e

complexo, devido à dificuldade de determinar as condições ideais de corte. Porém
uma vez determinadas as condições de corte se torna simples, o cavaco se forma
corretamente, sem intervenção do operador. Quando se trata de condições ideais de
corte, é quando a peça que está sendo produzida se enquadra dentro das
especificações de forma, tamanho, e acabamento no menor custo possível. A
usinagem pode ser dividida em desbaste e acabamento, operações de desbaste são
aquelas em que se tem grande remoção de material, a quantidade de material pode
ser limitada de acordo com a potência da máquina. Acabamento é feito depois do
desbaste, removendo o sobremetal.
 Fresa

De acordo com MACHADO(2015) a fresa é a ferramenta responsável, pela operação

de fresamento ela possui múltiplas arestas de corte,

Torno

Máquinas CNC

Layout;

Tipos de Layout;

Layout celular;

2.1 Introdução à estatística

Ao se estudar um fenômeno através de experimentação, o que normalmente se faz
é construir um modelo matemático, determinístico ou probabilístico, que sirva para
descrever o respectivo fenômeno, sendo que:

a) Em um experimento determinístico, conhecidas todas as “amarrações”, o

resultado final é garantido pelas condições sob as quais ele é executado, podendo
ser descrito por uma lei matemática. Como, por exemplo, o modelo que serve para
descrever a intensidade de uma força “F” sobre um corpo com certa massa “m”, que
se encontra em uma superfície totalmente lisa (sem atrito) e com uma aceleração
“a”, é dado por:

F=m∗a

Assim, podemos ver que “F” é determinada pelos valores de “m” e de “a”

b) Em um experimento não determinístico (ou probabilístico), conhecidas também

todas as “amarrações”, temos como prognosticar o que poderá ocorrer, mas jamais
garantir o que realmente irá acontecer; ou seja, podemos somente determinar o
comportamento probabilístico do resultado observável.
2.1.1 Exemplos de experimentos não determinísticos
1. Jogar um dado e observar o número mostrado na face de cima.

2. Em uma classe de 30 alunos, verificar quantos têm QI acima de 100.

Para determinar o comportamento probabilístico de um experimento não

determinístico precisamos, em primeiro lugar, estabelecer seu espaço amostral “S”,
que por definição é o conjunto de todos os resultados possíveis do experimento.

Exemplos:

1. Do experimento de jogar um dado e observar o número mostrado na face de

cima, temos:

S={1,2,3,4,5,6}.

2. Com relação ao experimento de verificar, em uma classe de 30 alunos, quantos

têm QI acima de 100, teremos: S={0,1,2,...,30}.

inferência estatística;

Teste de hipóteses;

Dados estatísticos;

Cronoanálise;

Tratamento de dados;

A Pesquisa Operacional(PO) é uma abordagem científica à tomada de decisões, que

busca projetar e operar um sistema da melhor maneira possível, geralmente sob

condições que requerem a alocação de recursos escassos (WINSTON, 2004).

Embora compreenda-se que a PO teve sua origem na Segunda Guerra Mundial,

para Hiller e Lieberman (2012), as raízes desta disciplina podem ter surgido há
muitas décadas, desde quando se observaram tentativas iniciais de utilizar métodos
científicos na gestão de organizações. A Pesquisa Operacional como conhecemos
hoje de fato se deve aos esforços realizados durante o período da guerra para
alocar recursos escassos para as várias operações militares de uma maneira eficaz.
Os americanos e ingleses empregaram um grande número de cientistas na pesquisa
e solução de problemas táticos e estratégicos, que comporam as primeiras equipes
de pesquisa de operações.

Após o fim da guerra, com o sucesso de muitas das operações militares atribuído
aos métodos utilizados por estes cientistas, o rápido crescimento industrial e o
consequente aumento de complexidade e especialização nas organizações
contribuiu para que estas técnicas passassem a ser utilizadas em um outro contexto.
Profissionais que participaram dos times de PO introduziram seus conceitos a várias
organizações, negócios, indústrias, disseminando rápidamente a Pesquisa
Operacional.

Não há uma técnica absoluta capaz de resolver todos os problemas que surgem na
prática. O tipo e a complexidade do problema encontrado determinam a natureza do
método utilizado em sua solução (TAHA, 2007). Embora qualquer técnica utilizada
para melhorar a maneira que um sistema funciona possa ser entendida como parte
deste ramo, algumas merecem destaque pelo seu uso frequente, como
Programação Linear, Programação Inteira, Programação Dinâmica, Programação de
Redes, Programação Não-Linear, e Simulação são outros dentre os vários métodos
existentes. Uma característica da maioria das abordagens de PO é que as soluções
dificilmente são encontradas diretamente, por meio da solução de uma fórmula ou

processo similar. Geralmente a técnica envolve um algoritmo que, a partir de uma

solução inicial, realiza várias iterações que aproximam progressivamente o resultado
da solução ótima, até encontrar a solução desejada (TAHA, 2007).

Modelagem de processos;

Modelagem e simulação de sistemas;

Eventos contínuos;

Eventos discretos;

0 Definição do problema;

1 Definição dos componentes do sistema;

2 Modelagem dos processos;

3 Transcrição computacional;

4 Verificação;

5 Validação;

6 Retroalimentação;

Softwares;

Flexsim;

Simulação com Flexsim;

Minitab;
2.4 Manufatura

O grande número de competidores globais existentes no mercado tem levado

as indústrias da cadeia automotiva a buscarem incessantemente melhorias na
gestão operacional, e nesse sentido esse trabalho apresenta uma proposta de
integração das técnicas e abordagens da Manufatura Enxuta e da Teoria das
Restrições, através de uma aplicação prática, visando a melhoria da sistemática de
abastecimento de componentes para utilização em células de solda pertencentes a
uma linha de montagem de chassis. Em uma primeira etapa foram apresentados os
conceitos e as possibilidades de integração de ambas as teorias e, a partir de um
diagnóstico inicial do sistema de abastecimento, foram propostas alterações, de
maneira evolutiva, em que melhorias baseadas na Manufatura Enxuta eram
implementadas a cada rodada de experimento, culminando com a implementação de
melhorias baseadas na Teoria das Restrições, integrando ambos os conceitos. O
resultado final obtido corrobora a eficiência da integração das duas abordagens para
a melhoria de processos, as quais contribuíram para uma diminuição dos tempos de
ciclo de abastecimento na ordem de 89% para a célula alvo estudada, sendo
superior ao resultado obtido utilizando-se apenas uma das técnicas, sem que
houvesse necessidade de investimentos e/ou despesas significativas.” (Puerta;
Marcus Vinicius, Junho- 2016; Dissertação de mestrado)

A manufatura permite o ajuste da produção de acordo com a demanda pelo

produto. Isto diminui o desperdício e permite ao negócio atender o volume de
pedidos dos clientes. Altamente atrelada à tecnologia, ela tem se reinventado e
trazido novas oportunidades de modos de produção.
 Para que uma organização obtenha destaque e prosperidade no mercado,
esta deve apresentar diferenciação e competitividade em relação aos seus similares.
Nesse contexto, a utilização de ferramentas preditivas para identificar possíveis
melhorias na produção e evitar desperdícios se torna algo vital para a permanência
no mercado. Os métodos de predição mais utilizados na indústria são realizados por
meio de softwares de modelagem e simulação industrial e de processos. Como a
gama de programas de simulação computadorizada disponível no mercado é
grande, não se sabe ao certo quais destes são considerados os melhores, quais são
ensinados em meios acadêmicos e quais são utilizados na indústria. Este trabalho
teve como objetivo principal realizar um levantamento de dados que proporcione
uma base para quem pretende iniciar o uso ou implementar algum software de
simulação”. (SAMPAIO, Murylo Gustavo; TREVISAN, Fernando Zipperer. Análise e
estudo da aplicação de softwares de modelagem e simulação industrial e de
processos. 2017. 90 f. Trabalho de Conclusão de Curso (Graduação em Engenharia
Mecânica) - Universidade Tecnológica Federal do Paraná, Curitiba, 2017).

Com a simulação é possível visualizar os resultados sobre a demanda na

empresa, ter melhor controle e analisar os gastos e riscos que a empresa possa ter,
é possível entender o que pode ser melhorado e investir nesse local. A simulação é
o planejamento mais próximo da realidade, com as informações nela depositada, a
empresa consegue enxergar as melhores estratégias para alcançar seus objetivos,
com a economia, menor desperdício e qualidade dos funcionários.

2.5 Cronoanálise

A cronoanálise tem sua origem com os americanos Frank Gilbreth e Frederick

Taylor, justamente no contexto do Taylorismo. Os dois teóricos da administração
uniram seus estudos para criar o Estudo dos Tempos e Movimentos, que deu origem
ao método da cronoanálise.
 A cronoanálise é, portanto, uma ferramenta que tem como objetivo analisar os
tempos de realização das atividades que envolvem o processo produtivo. Assim, é
possível ter maior controle sobre o negócio e entender onde há espaços para a

otimização de processos. (ROBERTO CUBO – Vila Olímpia

São Paulo / SP / Brasil; PEDRETTI, 2014).

.
 3 METODOLOGIA
3.1 Introdução à simulação

Previamente à simulação, será utilizado o método de mapeamento de

entidades, conforme tabela abaixo, para identificar quais entidades do sistema serão
analisadas e quais não deveremos incluir para não haver influências ou ruídos nos
resultados.

Tabela 3 – Modelo conceitual da simulação

ATRIBUTO
SISTEMA ENTIDADE ATIVIDADE EVENTOS VARIÁVEIS
S
Falta de Tempo de
Célula de Tipo de
Operador Carregar matéria carga e
manufatura usinagem
prima descarga
Tipo de Operador Tempo de
Fresadora Descarregar
produto indisponível usinagem
Quantidade Variação de Tempo de
Entalhadeira Tornear
de incertos demanda Setup
Portador Entalhar Quebra de
planetário estrias ferramenta
Fonte: elaborado pelos autores
 Após a elaboração do modelo conceitual,é possível visualizar quais entidades
seriam analisadas pela nossa simulação, quantificar seus atributos e definir suas
variáveis, desta forma, o próximo passo, que seria a simulação, começa a se
desenvolver por si só, de modo que, uma vez validado seu modelo conceitual, toda
modelagem teórica processada está pronta para ser aplicada na prática. Portanto,
dá se início a próxima etapa que será a simulação do processo avaliado.

3.2 Simulação

Como optou-se por aceitar H0, seguiu a simulação inicial onde foi inserida a
demanda proposta de 220.000 portadores planetários para analisar como o sistema
se comporta.

Primeiramente, foi utilizado apenas um operador para refletir o estado atual da célula
de manufatura, foi feito o uso de todas as informações adquiridas anteriormente e
inserimos no software da seguinte maneira:

a) Entalhadeira:
a) Tempo de processo: 514 segundos
b) Tempo de setup: 30 minutos
c) Carga: 10 segundos por peça
d) Descarga: 10 segundo por peça
b) Torno DMG:
a) Tempo de processo: 117 segundos
b) Tempo de setup: 46 minutos
c) Carga: 0 segundos por peça (esteira)
d) Descarga: 15 segundo por peça

c) Operador:
a) Velocidade de movimentação: 3,6 KM/H
Utilizamos três cenários simulados:
O primeiro com apenas um operador e transferência manual de peças. Já o segundo
com dois MOD e transferência manual. O último cenário contempla apenas um
operador que realiza a atividade de carregar e descarregar a célula e um sistema
automatizado de esteiras que transfere as peças entre as máquinas de usinagem.
 3.3 Coleta e tratamento de dados

Para compormos a tabela de tempos padrões, foi utilizada uma ferramenta de

medição de tempos padrões, cronoanálise, para dar embasamento e confiabilidade
aos dados simulados, e para aferir a fidelidade da simulação para com o
comportamento normal de eventos discretos, foram coletadas quarenta amostras
para compor uma distribuição estatística, conforme as tabelas posteriormente
exibidas neste trabalho. Após a realização da cronoanálise, definiu-se uma média
para os tempos de cada atividade e movimentação do operador, desde a entrada do
item a ser manufaturado na célula até a saída do mesmo.

Após efetuar as medições, trouxemos os dados para uma tabela e

relacionamos as respectivas atividades com seus respectivos tempos de processo,
seja manual ou processo de máquina. E, abaixo, se encontram os dados coletados e
transpostos pela tabela de tempos manuais e tempos de máquinas. sendo o
segundo o mais fácil de ser encontrado, dado que seus dados se disponibilizam por
meio de consulta dos programas CNC das máquinas.

Tabela 1 - Tempos padrões de operações da célula

Tempo
Tempo
máquina
Atividade manual (seg)
(seg)
Abrir a caixa de
15 -
madeira.
Pegar talha nº 98599. 5 -
Pegar pino da caixa de
13 -
madeira ou latão.
Posicionar o tombador 4 -
 Colocar pino no
15 -
tombador ou esteira.
Devolver talha nº
5 -
98599.

Colocar o dispositivo de
-
nylon no tombador ou
na esteira. 8
-

Tabela 1 - Continuação

Tempo de
Tempo
máquina
manual (seg)
(seg)
Atividade

5 -
Empurrar pino na
esteira.
Pegar talha nº 98599. 5 -
Pegar pino da esteira. 12 -
Posicionar pino no
20 -
palete do torno.
Tornear pino.  - 513
Colocar pino na esteira
15 -
da fresa.
Fresar pino. -  140
Devolver talha nº
5 -
98600.
Medir pino fresado 30 -
Fonte: elaborado pelos autores
 Tabela 2 – Média dos tempos padrões das atividades periódicas
Te
Freq. mpo
Atividade periódica Operador :
1/no seg.
Troca de 5 insertos de desbaste
1 20 500
a cada 20 peças.
Troca de 11 insertos de 110
1 30
acabamento a cada 30 peças. 0
Medir com calibradores - 1
1 7 70
peça / hora (Torno)
Medir na 3D - 1 peça / hora
1 7 60
(Colocar e tirar peça)
Medir FR na sala - 1 peça / turno
1 75 300
(Levar peça na sala)
Medir estrias com calibradores
1 20 15
(Fresa)

Tabela 2 - Continuação
Te
Freq. mpo
Atividade periódica Operador :

1/no seg.

1 16 40
Troca de racks
Liberar rack peças prontas 1 16 70

Preencher CVP 1 7 15
Fonte: elaborado pelos autores

3.3.1 Layout

O Layout da célula de manufatura foi fornecido pela equipe engenharia de

processos da empresa consultada, após tratar os dados de tempos padrões,
também utilizamos o layout para definir no flexsim as distâncias e quantidades de
passos do operador. O layout real, que obtivemos da engenharia, foi feito pelo
software AutoCad.

Figura 1 – Layout da célula do portador

Fonte: elaborado pelos autores

3.3.2 Tratamento de dados utilizando o software Flexsim

Como citado na revisão de literatura, o software Flexsim, da FlexSim Software

Products, Inc., foi escolhido pela nossa equipe para tratar, exibir e integrar os dados
recolhidos na empresa. No primeiro momento, tivemos a tarefa de inserir todos os
dados coletados nos respectivos processos digitais do software.

O grande desafio desta etapa foi conseguir validar o modelo, pois como se
trata de dados reais, para podermos confiar nos resultados exibidos pelos
dashboards realizamos um teste bilateral de hipóteses, como exemplificado no
próximo sub-capítulo.

3.3.3 Validação de dados

Será realizado um teste de hipóteses bilateral para aferir se a média dos

dados de saída de peças por hora da simulação é igual a média de saída de peças
observada na célula real, e para isso, o modelo foi simulado por 40 vezes para
chegarmos a um valor hipotético e achar a quantidade ideal de replicações para
fazer um teste de hipóteses mais confiável, conforme dados a seguir:

Valida-se o modelo para o quantidade média de saída de peças, sabendo que

a quantidade média de saída de peças é, por hora, de 24 peças (não se conhece o
desvio padrão) e a média simulada encontrada foi de 23,641.

Teste bilateral para 𝜶 = 5%

H0= x̅(27,06)=u(27);

O desvio padrão encontrado na simulação da saída de peças, conforme melhor

exemplificado no capítulo 5, Resultados, é de 1,059.

t crítico = 1,9097, para 39 graus de liberdade e 𝜶/2, (TABELA T-STUDENT, 2020).

x−u 23,641−24 -0,0536

t=
s . √❑ 1,059. √ ❑

Como t observado < t crítico aceitamos H0 .

Porém, para aferir sobre o poder do teste de hipóteses, será realizado o

cálculo da seguinte maneira: Primeiro define-se o erro máximo aceitável, para definir
se 40 observações é o suficiente ou se precisaremos rodar um novo modelo com um
número maior de replicações. O erro máximo aceitável definido do teste de
hipóteses será de 10%. Com isso, será calculado o número mínimo de replicações
para um nível de significância de 5% e um poder(β) de 90%.

Através das seguintes fórmulas, será aferida a quantidade(n) de replicações

necessária para atender o poder de teste escolhido:

x−u 23,641−24
𝝳=¿
s
∨¿∨
1,059
∨¿ 0,33899

(Zɑ/2)+( Z β ) 1,96+1,28
n ≃(
𝝳
) ²=¿ (
0,33899
)² ≃ 92

Portanto, o modelo deverá ser rodado 92 vezes para garantir um teste de hipóteses
com um poder(β) de 90%, que é a capacidade de rejeitar H0 quando este é
realmente falso

O menor t crítico para graus de liberdade e 𝜶/2 é (TABELA T-STUDENT, 2020).

O cálculo para definir o valor t observado segundo a revisão bibliográfica:

x−u 23,641−24
t=
s . √❑ 1,059 √ ❑

Como t observado < t crítico aceitamos H0 .

Para definir a probabilidade de rejeitarmos H0 usaremos o valor de 𝝳 para

procuramos o respectivo score z na tabela Norma Padrão, conforme figura abaixo.
 Figura 3: Trecho da tabela normal padrão

Fonte: <https://www.professorguru.com.br/tabela-normal.html>

Portanto, a probabilidade de rejeitarmos H0 é de aproximadamente 63%.